联手信息系统专业委员会：“时态知识图谱”术语发布 | CCF术语快线

InfoBox：

中文名：时态知识图谱

外文名：Temporal Knowledge Graph

简写：TKG

学科：知识工程

实质：包含时态信息的知识图谱

基本简介：

时态知识图谱是一种包含时态信息的知识图谱。与普通的静态知识图谱相比，时态知识图谱中所蕴含的知识是随着时间变化而可能发生改变的。时态知识图谱可为下游任务提供具有时态的知识。

背景：

随着智能系统应用的推进，知识图谱在越来越多的应用场景中发挥重要作用，为各类智能任务提供多样化的知识服务。其中，存在大量的应用场景，其系统对知识随时间变化的敏感度较高，这造成传统的静态知识图谱无法满足知识动态变化的需求。对此，包含时态信息的时态知识图谱或为一种可行的解决方案，并成为当前的研究热点。时态知识图谱可以对知识变化的过程进行完整记录，保证知识的即时性和有效性，使得下游任务可以获取更好的时态感知的知识服务，因而具有较高的实际应用价值。

研究概况：

当前，围绕时态知识图谱的相关研究主要包含时态知识的表示、推理和问答等。其中，时态知识的表示是运用机器学习处理时态知识图谱相关任务的基础。现有时态知识图谱的表示方法可划分为三类：具有时间约束的历时性表示模型、基于时间序列编码的表示模型和基于路径推理的表示模型。

具有时间约束的历时性表示模型[1,2]，将时间视为一种对知识图谱的特殊约束，并将时间对于实体和关系造成的影响进行表示；

基于时间序列编码的表示模型[3,4]，将知识图谱的变化按照时间序列的形式进行展现，并对这种变化进行序列编码；

基于路径推理的表示模型[5,6]，着重关注知识图谱结构中的路径特征，并通过路径随着时间的变化来更新知识图谱的表示。

时态知识图谱因为包含时间维度的信息，相比传统的静态知识图谱，能更好地建模和表达事件。因此，基于时态知识图谱的推理主要用于事件信息的推断，已有研究可分为两类：内推推理和外推推理。

内推推理，是根据已有的事件来推测已发生但存在缺失的事件信息，进而对系统中的时态知识进行补全[7]。

外推推理，是根据过去发生的事件来预测未来的事件，从而为下游任务（如辅助决策、社会行为分析等）提供支撑[8]。

最后，基于时态知识图谱的问答也是一个重要方向，但公开研究相比传统的知识图谱问答而言还相对较少。具体地，时态知识图谱的问答方法包括基于时间约束分解的和基于时态图谱表示的方法。

基于时间约束分解的方法，将原始问题分解为子问题和时间约束，使用传统的知识图谱问答方法寻求子问题的答案，再通过时间约束对候选答案进行筛选[9]。

基于时态图谱表示的方法，使用时态知识图谱的表示方法对图谱进行表示学习，后利用实体表示与问题的相关性对答案进行相关性评估[10]。

时态知识图谱在未来可针对如下几个方面进行进一步深入研究：（1）通用的时态知识图谱存储与管理方案；（2）增量式的时态知识图谱表示学习方法，以应对时态知识图谱规模日益增长的挑战；（3）面向非均匀时间粒度的时态知识图谱自适应表示模型；（4）具有可解释性的时态图谱推理与问答方法。

参考文献：